بهینه سازی مدل شبکه عصبی موجک فازی برای شناسایی سیستم

این تحقیق از یک مدل شعاعی شبکه عصبی موجک فازی RFWNN برای شناسایی سیستمهای دینامیکی غیرخطی استفاده م یکند. مدل RFWNN به کار گرفته شده از سیستم فازی سنتی TSK Kang-Sugeno-Takagi با جایگزین کردن قسمت THEN قوانین فازی با توابع موجک به دست میآید. در قسمت تالی هر قانون، تابع شعاعی موجک کلاه مکزیکی Wavelet Hat Mexican به کار گرفته می شود. به منظور یافتن مقادیر بهینه برای پارامترهای نامشخص مدل RFWNN از الگوریتم آموزشی AWPSO به کار گرفته می شود. برای مقایسه کارایی و عملکرد مدل RFWNN و همچنین مقایسه الگوریتم این تحقیق با سایر مدل ها ی شناخته شده در مقالات مثالهای شبیهسازی ارایه میشوند.

کلیدواژه ها:

شبکه عصبی موجک فازی ، موجک ، شبکه عصبی موجک ، شناسایی سیستم ، رفتار جمعی ذرات با وزنهای تطبیقپذیر